Bu içeriği görüntülemek için JoVE aboneliği gereklidir. Oturum açın veya ücretsiz deneme sürümünü başlatın.
Method Article
* Bu yazarlar eşit katkıda bulunmuştur
Otomatik bir orta hat kayması tahmini ve intrakraniyal basınç (ICP) travmatik beyin hasarı (TBI) olan hastalarda bilgisayarlı tomografi (BT) görüntüleri dayalı ön eleme sisteminin görüntü işleme ve makine öğrenme teknikleri kullanılarak önerilmiştir.
Orta hat kayması tahmini ve intrakraniyal basınç (ICP) ön eleme sistemi: Bu yazıda esas olarak iki ana bileşenden oluşan bilgisayarlı tomografi (BT) görüntüleri dayalı otomatik bir sistem sunuyoruz. İdeal midline bir tahmin kafatası ve beyin BT anatomik özellikleri simetri esasına dayanılarak yapılır, önce orta hat kayması tahmin etmek. Daha sonra, CT taraması ventriküllerin bölümleme gerçekleştirilir ve şekil eşleme yoluyla gerçek orta hat belirlenmesi için bir kılavuz olarak kullanılır. Bu süreçler hekimler tarafından ölçüm süreci taklit ve değerlendirilmesinde umut verici sonuçlar göstermiştir. İkinci bileşen, daha fazla özellikleri de dahil edilmiştir gibi, yaş, ICP tahmin etmek yaralanma ciddiyet skoru olarak CT taramaları ve diğer kayıtlı özellikleri, gelen doku bilgi, kan miktarı, ICP ilgili ayıklanır. Böyle Desteği gibi özellik seçimi ve sınıflandırılması dahil Makine öğrenme teknikleri,Vektör Makineleri (DVM), RapidMiner kullanarak tahmini model oluşturmak için istihdam edilmektedir. Tahmini değerlendirme modelinin potansiyel yararı gösterir. Tahmini ideal bir orta hat kayması ve ICP seviyeleri tahmin veya invaziv ICP izlenmesi karşı tavsiye etmek, böylece kararlar hekimler için hızlı bir ön tarama adım olarak kullanılabilir.
Her yıl Amerika Birleşik Devletleri yaklaşık 1,4 milyon travmatik beyin yaralanması (TBY) ilgili acil serviste durumlar vardır, hangi, ölüm 1 50.000 sonuç üzerinde. TBI Şiddetli genellikle hematom ve şişlik beyin dokusu gibi belirtilerle intrakraniyal basınç (ICP) bir artış eşlik eder. Azaltılmış serebral perfüzyon basıncı ve ek risk incinen beyin yerleştirerek serebral kan akımında bu sonucu. Şiddetli ICP artışı ölümcül olabilir, TBH olan hastalar için ICP izlenmesi çok önemlidir bu yüzden. Bu genellikle doğrudan basınç izleme, yalnızca uzman tıp merkezlerinde yapılabilir hastalar için riskli bir prosedür için beyin içine kateter kalıcı yerleştirme gerektirir. Bu prosedür, aynı zamanda enfeksiyon gibi risk içerir. Ancak, yüksek ICP bazı belirtileri tıbbi görüntüleme alanında belirgin olabilir. Özellikle, orta hat kayması genellikle ICP bir artış ile ilişkilidir ve beyin bilgisayarlı t çekilebiliromography (BT) görüntüleri. Gibi, bu görüntüleri kranial trepanasyon önce bir ön eleme adım olarak kullanılabilir yükseltilmiş ICP non-invaziv tespiti için bir fırsat sağlamaktadır. CT görüntüleme nedeniyle yüksek hız ve nispeten düşük maliyeti 2, hala tüm diğer görüntüleme yöntemleri, örneğin MR arasındaki ilk TBI değerlendirmesi için altın standarttır. Ayrıca, BT incelemesi sıkı hasta hareketsizlik gerektiren ve bu kemik kırıkları ve hematom gibi ciddi anormallikler ortaya avantaj sahip değildir. BT yaygın güncel teknolojiye dayalı beyin yaralanmaları, tespiti için kullanılır iken, orta hat kayması otomatik olarak ölçülür değildir ve bu nedenle hekimler görsel muayene ile bu önemli faktörü değerlendirmek gerekir. Yanlış ya da tutarsız CT yorumlama sık sık insan görme sisteminin yapısı ve beyin karmaşık yapısı ile ilgilidir. Küçük orta hat kaymaları zor olsa da, onlar s, beyin hasarının değerlendirilmesi için genellikle paha biçilmezdirBir hastanın durumunun daha önce yaralanma erken aşamalarında artiküler daha şiddetli olur. Yelpazenin diğer tarafında, büyük orta hat kayması oldukça yüksek ICP ve TBI daha şiddetli göstermektedir. Ancak, görsel BT görüntüleri incelemek ve nicelik ICP düzeyini tahmin etmek insanlar için çok zor bir iştir. Otomatik hesaplama tekniklerindeki gelişmeler nedeniyle, beyin BT görüntülerinin orta hat kayması, hematom hacmi ve doku gibi BT görüntüleri, çıkarılan özelliklerini ölçülebilir ve otomatik gelişmiş görüntü işleme yöntemleri kullanarak. Ancak, ICP ve orta hat kayması yanı sıra kanama derecesi gibi diğer özellikler arasındaki ilişkinin, BT görüntüleri doku araştırılmamıştır. Bu yazıda, bir bilişimsel çerçeve orta hat kayması ölçümü yanı sıra beyin BT görüntülerinde diğer fizyolojik / anatomik özelliklerini ölçmek ve ardından ICP olmayan intrusively tekniklerini öğrenme makinesi kullanmanın derecesi tahmin öne sürülmüştür.
1. Metodoloji Genel Bakış
Önerilen çerçeve otomatik patolojik durumlarda orta hat kayması hesaplamak ve intrakraniyal basınç (ICP) tahmin etmek için yanı sıra diğer ekstre bilgilerini kullanmak için travmatik beyin hasarı (TBI) hastaların beyin BT görüntüleri işler. Şekil 1 tüm şematik diyagramını göstermektedir çerçeve. Otomatik orta hat kayması ölçümü üç adım ayrılabilir. İlk olarak, beynin ideal midline, sakatlanmadan önce midline yani kafatası simetri ve doku özellikleri 3. dayalı bir hiyerarşik arama üzerinden bulundu. İkincisi, ventriküler sistemde her bir beyin CT görüntü 4 parçalı olduğunu. Üçüncüsü, gerçek orta hat yöntemi 5 uyan bir şekil kullanarak segmente deforme ventriküler sistemi tahmin edilmektedir. Ventriküler sistemin yatay kaydırma sonra ideal bir orta hat ve gerçek midline tahmini esas alınarak tahmin edilir. T sonraO orta hat kayması arda orta hat kayması, BT görüntülerinde doku bilgileri, yanı sıra diğer demografik bilgileri gibi özellikleri ICP tahmin etmek için kullanılır, tahmin edilmektedir. Makine öğrenme algoritması ICP ile ekstre özellikleri 6 arasındaki ilişki modeli için kullanılır.
2. İdeal Midline Tahmini
3. Ventrikül Segmentasyon
4. Gerçek Midline Tahmini
5. Daha Özelliği Ekstraksiyonları
6. ICP Tahmini
ICP tahmini ana fikri eğitim örneklerinin bir dizi dayalı bir model oluşturmak için makine öğrenmesi tekniklerini uygulamaktır. Sonra inşa modeli kalan test örnekleri üzerinde değerlendirilir. Çünkü CT taramaları ve demografik bilgiler de dahil olmak üzere çıkarılan özniteliklerin yüksek boyut, özellik seçimi nispeten basit bir nedenle istikrarlı modeli için ilgisiz özellikleri kaldırmak için önemlidir. Dolayısıyla ICP tahmini / tahmini için yapılması gereken iki adım vardır. Birincisi, ICPs tahmininde bilgilendirici göreli özellikleri seçin. İkinci adım olarak Destek Vektör Makinesi (DVM) kullanmaktıralgoritması eğitim modeli geliştirmek ve değerlendirmek. öğrenme Bu makine öğrenme algoritmaları çoğu için çok iyi gelişmiş bir araçtır ve modelleri eğitmek ve değerlendirmek için çok güçlü arabirimler sağlar çünkü bu tür RapidMiner 11 olarak Yazılım bu görev için idealdir.
Test BT veri kümeleri Kurumsal Değerlendirme Kurulu onayı altında Carolinas Sağlık Sistemi (CHS) tarafından sağlandı. İlk hastaneye bütün konuları şiddetli TBY hafif tanısı konuldu. Her hasta için, ICP değeri elde edildi öncesi ve CT taramaları sonrasında ventrikül bölge içinde ICP problar kullanılarak saatte kaydedildi. BT bir saat içinde her ikisi de her BT, BT tarama zamanı ortalama ICP yakın iki ölçümleri ile ICP değerini ilişkilendirmek için. Sonra, CT taraması sırasında ICP tah...
BT görüntüleri ve çıkarılan özelliklere göre ICP düzeyinde tahmini olarak orta hat kayması tahmini: Bu çalışmada, sezgisel ve esnek bir çerçeve iki zorlu sorunları çözmek için önerilmiştir. Değerlendirme sonuçları önerilen yöntemin etkinliğini göstermektedir. Bildiğimiz gibi, bu iki bu sorunları ele sistematik bir çalışmanın ilk kez. Biz genel çerçeveye dayalı, elde edilebilir birçok potansiyel gelişmeler olduğunu fark. Örneğin, önerilen bölütleme içinde, düşük seviyede b...
Çıkar çatışması ilan etti.
Materyal kısmen Hibe No IIS0758410 kapsamında Ulusal Bilim Vakfı tarafından desteklenen çalışma dayanır. Veri Carolinas Sağlık Sistemi tarafından sağlandı.
Bu JoVE makalesinin metnini veya resimlerini yeniden kullanma izni talebi
Izin talebiThis article has been published
Video Coming Soon
JoVE Hakkında
Telif Hakkı © 2020 MyJove Corporation. Tüm hakları saklıdır